Abstract：
调谐液体阻尼器(TLD)是常用于减小结构振动的被动控制装置,由于其动力特性呈现出强非线性,理论模型适用条件受限,TLD减振结构在外部激励或结构参数不确定性下的敏感性和易损性分析时通常需要大量试验支撑。为降低上述研究的试验需求,本研究提出基于神经网络建立TLD动力特性预测方法。根据试验实测数据,采用BP神经网络自回归模型建立了TLD水平激励—减振力映射关系,并与经典简化模型进行了比较。结果表明,相比于Housner模型,神经网络预测TLD减振力更准确,且在不同激励幅值和频带下的泛化能力更好,可为变激励和变结构参数的结构动力响应分析提供有效计算模型。
Keyword：
Reprint Author's Address：
Email：
Source ：
Year： 2022
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 16
Affiliated Colleges：
